故障处理方法、装置及计算机可读存储介质制造方法及图纸

本申请公开了一种故障处理方法、装置及计算机可读存储介质，包括：获取机械设备的目标故障现象和对应的目标工况数据；基于目标故障现象和目标工况数据，通过已训练的双层故障诊断模型进行故障诊断处理，获得包括有目标故障零部件和目标故障模式的故障诊断结果；双层故障诊断模型是基于机械设备的故障知识图谱生成的，其中第一层故障诊断模型用于预测机械设备中故障所在的目标零部件子系统，第二层故障诊断模型用于在目标零部件子系统内部进行故障诊断；输出故障诊断结果。如此，通过采用基于机械设备的故障知识图谱生成的双层故障诊断模型进行故障诊断处理，能够提升故障诊断的智能性，降低维修知识壁垒，缩短故障诊断时间，同时降低运维成本。时降低运维成本。时降低运维成本。

【技术实现步骤摘要】
故障处理方法、装置及计算机可读存储介质


[0001]本专利技术涉及故障处理
，特别是涉及一种故障处理方法、装置及计算机可读存储介质。

技术介绍

[0002]随着工业4.0时代的到来，智能制造成为传统制造业加速转型的重要方向，智能制造体现在生产模式上，就是以智能工厂为载体，以关键制造环节的智能化为核心，以端到端数据流为基础，以网通互联为支撑，其主要内容包括智能产品、智能生产、智能工厂、智能物流等。智能制造体现在商业模式上，则是通过实现智能服务，来获取更多的附加价值，而售后故障诊修服务作为智能服务的重要组成部分，因此，将故障诊修服务数字化、智能化，对降低产品维修成本等方面有重要的促进作用。故障诊断技术是指应用测试分析手段和诊断理论方法对运行中的设备所出现的故障的机理、原因、部位和故障程度等进行识别和诊断，并根据诊断结论，进一步确定机械设备的维修方案或预防措施，其目的是降低维修成本、为制定合理的检修制度提供决策依据，从而最大限度地提高设备的使用效率。
[0003]传统的故障诊断技术包括专家系统、基于故障树的故障诊断方法和神经网络故障诊断方法等。然而，上述故障诊断方法的定位故障效率低，非常依赖专家能力，投入人力大，运维成本高，并且诊断规则和诊断流程是硬编码，不能灵活、快速地应对现场各种故障诊断场景。

技术实现思路

[0004]本申请的目的在于提供一种故障处理方法、装置及计算机可读存储介质，能够提升故障诊断的智能性，降低维修知识壁垒，缩短故障诊断时间，同时降低运维成本。
[0005]为达到上述目的：
[0006]第一方面，本申请实施例提供了一种故障处理方法，所述方法包括：
[0007]获取机械设备的目标故障现象和对应的目标工况数据；
[0008]基于所述目标故障现象和所述目标工况数据，通过已训练的双层故障诊断模型进行故障诊断处理，获得包括有目标故障零部件和目标故障模式的故障诊断结果；所述双层故障诊断模型是基于所述机械设备的故障知识图谱生成的，其中第一层故障诊断模型用于预测所述机械设备中故障所在的目标零部件子系统，第二层故障诊断模型用于在所述目标零部件子系统内部进行故障诊断；
[0009]输出所述故障诊断结果。
[0010]可选地，所述获取机械设备的目标故障现象和对应的目标工况数据之前，还包括：
[0011]获取所述机械设备的零部件结构树和故障树库；所述故障树库包括至少一个故障现象对应的故障树，所述故障树包括故障零部件、故障模式、故障现象；
[0012]从所述零部件结构树中提取故障实体，并将所述故障实体与对应的所述故障树进行关联，以建立所述故障知识图谱。
[0013]可选地，所述获取机械设备的目标故障现象和对应的目标工况数据之前，还包括：
[0014]获取对所述机械设备的历史维修方案，所述历史维修方案包括历史故障现象对应的历史故障解决方案；
[0015]所述建立所述故障知识图谱，包括：将所述历史维修方案与对应的所述故障树进行关联。
[0016]可选地，所述获取机械设备的目标故障现象和对应的目标工况数据，包括：
[0017]获取机械设备的目标故障描述信息；
[0018]对所述目标故障描述信息进行语义分析，根据获得的语义分析结果进行故障现象匹配，确定所述机械设备的目标故障现象。
[0019]可选地，所述双层故障诊断模型的训练步骤包括：
[0020]获取从多种真实环境下采集的所述机械设备的历史维修数据和对应的历史工况数据，所述历史维修数据包括历史故障现象和历史故障诊断结果；
[0021]根据所述历史维修数据和对应的所述历史工况数据生成训练样本，所述训练样本包括已标注所述历史故障诊断结果的样本标签；
[0022]通过初始的双层故障诊断模型对所述训练样本进行故障诊断处理，得到对所述训练样本的预测故障诊断结果；所述初始的双层故障诊断模型是基于所述故障知识图谱构建的；
[0023]基于所述预测故障诊断结果和所述样本标签间的差异，调整所述初始的双层故障诊断模型的参数并继续训练，直至满足训练条件时停止训练，得到已训练的双层故障诊断模型。
[0024]可选地，所述初始的双层故障诊断模型的构建步骤包括：
[0025]根据所述故障知识图谱，获取各故障现象节点与所述机械设备的各故障零部件子系统节点之间的第一关联关系，以及各故障现象节点与各故障零部件节点、各故障模式节点之间的第二关联关系；
[0026]根据所述第一关联关系建立初始的第一层故障诊断模型，并根据所述第二关联关系以及各故障现象与对应工况特征之间的第三关联关系，建立针对各零部件子系统的初始的第二层故障诊断模型。
[0027]可选地，还包括：
[0028]获取对所述故障诊断结果的反馈结果；
[0029]根据所述反馈结果和所述故障诊断结果，调整所述双层故障诊断模型的参数。
[0030]第二方面，本申请实施例提供一种故障处理装置，包括：
[0031]获取模块，用于获取机械设备的目标故障现象和对应的目标工况数据；
[0032]处理模块，用于基于所述目标故障现象和所述目标工况数据，通过已训练的双层故障诊断模型进行故障诊断处理，获得包括有目标故障零部件和目标故障模式的故障诊断结果；所述双层故障诊断模型是基于所述机械设备的故障知识图谱生成的，其中第一层故障诊断模型用于预测所述机械设备中故障所在的目标零部件子系统，第二层故障诊断模型用于在所述目标零部件子系统内部进行故障诊断；
[0033]输出模块，用于输出所述故障诊断结果。
[0034]第三方面，本申请实施例提供一种故障处理装置，包括：处理器和存储有计算机程
序的存储器，在所述处理器运行所述计算机程序时，实现上述故障处理方法的步骤。
[0035]第四方面，本申请实施例提供一种计算机可读存储介质，所述计算机可读存储介质中存储有计算机程序，所述计算机程序被处理器执行时实现上述故障处理方法的步骤。
[0036]本申请实施例提供的故障处理方法、装置及计算机可读存储介质，所述方法包括：获取机械设备的目标故障现象和对应的目标工况数据；基于目标故障现象和目标工况数据，通过已训练的双层故障诊断模型进行故障诊断处理，获得包括有目标故障零部件和目标故障模式的故障诊断结果；双层故障诊断模型是基于机械设备的故障知识图谱生成的，其中第一层故障诊断模型用于预测机械设备中故障所在的目标零部件子系统，第二层故障诊断模型用于在目标零部件子系统内部进行故障诊断；输出故障诊断结果。如此，机械设备的目标故障现象和对应的目标工况数据，通过采用基于机械设备的故障知识图谱生成的双层故障诊断模型进行故障诊断处理，能够提升故障诊断的智能性，降低维修知识壁垒，缩短故障诊断时间，同时降低运维成本。
附图说明
[0037]图1为本专利技术实施例提供的故障处理方法的流程示意图；
[0038]图2为本专利技术实施例提供的故障处理装置的结构示意图一；...

【技术保护点】

【技术特征摘要】
1.一种故障处理方法，其特征在于，所述方法包括：获取机械设备的目标故障现象和对应的目标工况数据；基于所述目标故障现象和所述目标工况数据，通过已训练的双层故障诊断模型进行故障诊断处理，获得包括有目标故障零部件和目标故障模式的故障诊断结果；所述双层故障诊断模型是基于所述机械设备的故障知识图谱生成的，其中第一层故障诊断模型用于预测所述机械设备中故障所在的目标零部件子系统，第二层故障诊断模型用于在所述目标零部件子系统内部进行故障诊断；输出所述故障诊断结果。2.根据权利要求1所述的方法，其特征在于，所述方法还包括：获取所述机械设备的零部件结构树和故障树库；所述故障树库包括至少一个故障现象对应的故障树，所述故障树包括故障零部件、故障模式、故障现象；从所述零部件结构树中提取故障实体，并将所述故障实体与对应的所述故障树进行关联，以建立所述故障知识图谱。3.根据权利要求2所述的方法，其特征在于，所述方法还包括：获取对所述机械设备的历史维修方案，所述历史维修方案包括历史故障现象对应的历史故障解决方案；所述建立所述故障知识图谱，包括：将所述历史维修方案与对应的所述故障树进行关联。4.根据权利要求1所述的方法，其特征在于，所述获取机械设备的目标故障现象和对应的目标工况数据，包括：获取机械设备的目标故障描述信息；对所述目标故障描述信息进行语义分析，根据获得的语义分析结果进行故障现象匹配，确定所述机械设备的目标故障现象。5.根据权利要求1至4中任一项所述的方法，其特征在于，所述双层故障诊断模型的训练步骤包括：获取从多种真实环境下采集的所述机械设备的历史维修数据和对应的历史工况数据，所述历史维修数据包括历史故障现象和历史故障诊断结果；根据所述历史维修数据和对应的所述历史工况数据生成训练样本，所述训练样本包括已标注所述历史故障诊断结果的样本标签；通过初始的双层故障诊断模型对所述训练样本进行故障诊断处理，得到对所述训练样本的预测故...

【专利技术属性】
技术研发人员：刘向阳，叶舟，童兴，
申请(专利权)人：中科云谷科技有限公司，
类型：发明
国别省市：